Quantile-Regression Inference With Adaptive Control of Size
自适应控制检验尺寸的分位数回归推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究分位数回归推断，并以分位数处理效应的协变量异质性检验为应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
自适应控制检验尺寸的分位数回归推断
- 研究问题
- 如何估计依赖条件响应密度的分位数回归渐近方差，使Wald检验与置信域接近不可行基准，并自适应控制检验尺寸？
- 方法与思路
- 作者提出新的渐近方差估计量及实施指导，以真实条件密度已知的不可行推断为基准，并模拟考察分位数处理效应异质性检验。
- 材料陈述的贡献
- 摘要称新估计使Wald型检验与置信域在大样本下达到不可行版本的表现，模拟显示异质性检验兼具功效与较好的尺寸表现。
- 阅读关注点
- 应核对条件密度估计及调参规则、自适应尺寸控制的具体含义，以及不同分位点和样本规模下异质性检验的校准。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；方差估计公式、正则条件及处理效应识别假设未提供，不能据此保证有限样本尺寸控制。
原文摘要
Regression quantiles have asymptotic variances that depend on the conditional densities of the response variable given regressors. This article develops a new estimate of the asymptotic variance of regression quantiles that leads any resulting Wald-type test or confidence region to behave as well in large samples as its infeasible counterpart in which the true conditional response densities are embedded. We give explicit guidance on implementing the new variance estimator to control adaptively the size of any resulting Wald-type test. Monte Carlo evidence indicates the potential of our approach to deliver powerful tests of heterogeneity of quantile treatment effects in covariates with good size performance over different quantile levels, data-generating processes, and sample sizes. We also include an empirical example. Supplementary material is available online.